CORTI AS M., CHOCARRO R., VILLANUEVA M

LA ESTRATEGIA MULTICANAL DESDE EL PUNTO DE VISTA DEL CLIENTE:
FACTORES DE USO Y RESULTADOS
Mónica CORTIÑASa*
Raquel CHOCARROb
María Luisa VILLANUEVAc
a,b,c,
Universidad Pública de Navarra
Campus de Arrosadía, 31006
Pamplona, Spain
a
b
c
* Contact author.
Telephone: +(34)948 169895
Fax: +(34)948 169404
[email protected]
[email protected]
[email protected]
LA ESTRATEGIA MULTICANAL DESDE EL PUNTO DE VISTA DEL CLIENTE:
FACTORES DE USO Y RESULTADOS
ABSTRACT
This paper contributes to the knowledge of the impact of the multi-channel strategy by analyzing its
effects on two key aspects of the behaviour of customers of financial services. We analyze the factors
influencing the degree on multi-channel shopping and the impact of this multi-channel behaviour on
the commitment to the firm. We use a customer database in order to estimate two latent class
regression models in order to control for the existence of heterogeneity and the results show that
customers' ownership of diverse financial products and services and the total number of financial
products are the main determinants of multi-channel behaviour and that this behaviour is important in
explaining the commitment to the firm.
KEY WORDS
Channel choice, multi-channel behavior, Financial services, Latent class regression.
RESUMEN
Este trabajo pretende contribuir al conocimiento del impacto de la implantación de una
estrategia multicanal mediante el análisis de sus efectos en dos aspectos claves del
comportamiento de los clientes de una entidad financiera. Se estudian los factores que
explican el grado de comportamiento multicanal de estos clientes y el impacto que este
comportamiento tiene en la vinculación con la entidad. Mediante la estimación de dos
modelos de segmentación latente para controlar la existencia de heterogeneidad con una
base de datos de clientes, se observa que características como el número y el tipo de
productos contratados son determinantes en el comportamiento multicanal y que este
comportamiento es importante para explicar la vinculación con la entidad.
PALABRAS CLAVE
Elección de canal, comportamiento multicanal, sector financiero, regresión de clases
latentes.
2
LA ESTRATEGIA MULTICANAL DESDE EL PUNTO DE VISTA DEL CLIENTE:
FACTORES DE USO Y RESULTADOS
1. Introducción
El desarrollo de nuevas tecnologías, y en concreto Internet, está cambiando la forma en que
las empresas y los proveedores de servicios interactúan con los consumidores y clientes. Con
anterioridad a estos avances, la mayoría de las empresas preferían ofrecer sus productos y/o
servicios sólo a través de un canal, generalmente el canal físico. Sin embargo, la presión que
añaden estas nuevas tecnologías junto con las posibilidades que les ofrecen (mayor cobertura
de mercado, mejora de la satisfacción del cliente, reducción de costes de marketing, etc.) les
ha empujado a convertirse en organizaciones multi-canal, en organizaciones que utilizan
simultáneamente canales tanto de forma complementaria como paralela para servir a los
consumidores y clientes antes, durante y después de la compra (Sousa y Voss, 2006). Hasta
tal punto se ha alterado el panorama de la distribución, que la confianza en la estrategia
multicanal se está convirtiendo en una norma, más que una excepción (Black, Lockett,
Ennew, Winklhofer y Mckechnie, 2002; Frazier, 1999) y en los próximos años se espera un
reforzamiento de este entorno multicanal.
Además, la presión del mercado también les está obligando a ello. Los comportamientos de
compra de los consumidores son cada vez más complejos. Recientes investigaciones muestran
que los consumidores acuden a distintos canales para realizar sus compras (Ansari, Mela y
Neslin, 2003; Dholakia, Zhao y Dholakia, 2005; DoubleClik Inc, 2004; entre otros) y que
utilizan diferentes combinaciones de canales, ya pertenezcan a la misma empresa o a distintas,
en un único proceso de compra (Dholakia, et al., 2005; DoubleClik Inc, 2004; Júpiter
Consumer Surver, 2002; Verhoef, Neslin y Vromeen, 2005, entre otros). Estos clientes
quieren ser atendidos donde les conviene, en el momento que lo desean y por el medio que
ellos elijan.
En presencia de tales tendencias, nacen nuevos desafíos y nuevas preguntas para las empresas
que desean realizar una gestión eficiente del consumidor multicanal (Rangaswamy y Van
Bruggen, 2005): ¿será necesario desarrollar una estrategia de marketing integrada a través de
los diversos canales de de información y distribución?, ¿cómo proporcionar a los clientes una
experiencia integrada a través de los diversos canales?, ¿cómo desarrollar una tecnología de
información para obtener una visión común de sus clientes a través de los diferentes canales?,
3
¿los cambios hacia sistemas de distribución multicanal afectarán a las relaciones de canal y al
equilibrio poder-dependencia en estas relaciones?, ¿cuál será la combinación óptima de
canales?, ¿cómo distribuir los recursos en los sistemas de distribución multicanal?....
Pero, ante todo, debe ser una estrategia centrada en el cliente (Reda, 2002; Schoenbachler y
Gordon, 2002), en vez de en el canal. Por ello el elemento primordial y sustancial que debe
anteceder a cualquier plan de implementación y simplificar así las dificultades que supone
para una empresa la mudanza a una estrategia multicanal, debe ser la comprensión de la
dinámica de interacción del cliente con la empresa través de los diversos canales y las
circunstancias o características bajo las cuales un canal o combinación de canales puede ser
utilizado.
En la literatura de marketing encontramos muy pocos estudios que hayan investigado los
antecedentes y consecuencias del comportamiento multicanal de los consumidores
(Rangaswamy y Van Bruggen, 2005) y los que lo han hecho, apenas han emprendido
investigación empírica al respecto (Kumar y Venkatesan, 2005), por lo que existen pocos
resultados generalizables al respecto.
El trabajo que presentamos pretende cubrir, en parte, este vacío. A partir de los datos de
clientes proporcionados por una entidad financiera, en primer lugar, se analizan los elementos
determinantes de su comportamiento multicanal. En segundo lugar, estamos interesados en
conocer cuales son las consecuencias para la empresa del comportamiento multicanal de sus
clientes. En definitiva, pretendemos comprobar, si como se señala en la literatura (Kumar y
Venkatesan, 2005; Thomas y Sullivan, 2005; Venkatesan, Kumar y Ravishanker, 2007, entre
otros), los clientes que muestran un mayor comportamiento multicanal son más rentables para
la empresa.
En el siguiente apartado, se expone el marco conceptual y las proposiciones que se contrastan
en la aplicación empírica. En el epígrafe 3, se plantea ésta. Los resultados de estos modelos se
exponen en el epígrafe 4, destacando la importancia de las categorías de productos en el
comportamiento multicanal y la fuerte incidencia de éste en la vinculación del cliente. Por
último, se destacan las principales conclusiones obtenidas así como las limitaciones del
trabajo.
2. Marco conceptual y proposiciones
La literatura sobre adopción de nuevos canales de compra por parte de los consumidores se ha
desarrollado fundamentalmente desde finales de los 80 y principios de los 90, con la
emergencia de las nuevas tecnologías de la comunicación y de la información. Si al principio
4
el interés se centró en la adopción de tecnologías de autoservicio, a mediados de los 90 todas
las miradas se tornaron a Internet. Todavía hoy encontramos multitud de trabajos en los que
se trata de comprender quién está adoptando y usando el canal Internet en sus proceso de
compra y porqué (Akinci, Aksoy y Atilgan, 2004; Martínez, Ortega y Román, 2007; Meuter,
Bitner, Ostrom y Brow, 2005; Kolodinsky, Hogarth y Hilgert, 2004; Soopramanien y
Robertson, 2007; Wan, Luk y Chow, 2005; entre otros).
Ahora bien, el estudio de las causas y de las repercusiones de la lenta pero cierta penetración
de Internet en los procesos de compra debe ir más allá de su mera adopción como canal
sustitutivo de un canal offline, que ha sido la perspectiva adoptada por la mayoría de los
autores. Las relaciones online entre empresa y consumidores no debe ser consideradas
aisladamente, ellas tienen lugar dentro de un amplio contexto de actividades de marketing
realizadas simultáneamente con los canales de marketing tradicionales (Montoya, Voss y
Grewal, 2003; Peterson, Balasubramanian y Bronnenberg, 1997).
Así empieza a ser concebido por algunos investigadores, y aproximadamente en el año 2002
se publican los primeros artículos en los que se tiene en cuenta este entorno multicanal.
Schoenbachler y Gordon (2002) proponen un modelo conceptual para explicar la probabilidad
de que un consumidor compre desde un canal particular (online, detallista, catálogo) o desde
múltiples canales y Nickolson, Clarke y Blakemare (2002), a través del estudio de casos,
exploran la influencia de factores situacionales en el uso de múltiples canales por parte de los
clientes de un establecimiento de moda.
Aunque esta línea de investigación es reciente, además de los trabajos que tienen objetivos
similares a los dos ya mencionados, destacan otros los que han analizado la migración de
clientes entre canales (Ansari et al., 2003), la complementariedad o sustitución de canales de
información y/o de compra (Dholakia et al., 2005; Verhoef et al., 2005), la elección de
canales (Black et al., 2002; Patricio, Fisk, Falcao y Cunha, 2003; Boehm y Gensler, 2006) o el
efecto del comportamiento multicanal de los clientes en los resultados de su relación con la
empresa (Ansari et al., 2003; Kumar y Venkatesan, 2005; Thomas y Sullivan, 2005;
Venkatesan et al., 2007).
A continuación presentamos las proposiciones que vamos a contrastar para conocer con
mayor profundidad las causas y consecuencias del comportamiento multicanal de los
consumidores. Condicionadas por la información de la base de datos de clientes utilizada en
la parte empírica, señalar, en primer lugar, que el trabajo se va a centrar en la etapa
transaccional del proceso de compra. En segundo lugar, que no podemos estudiar el efecto de
percepciones, actitudes o motivaciones en el comportamiento multicanal, pero sí el efecto de
5
factores de utilización. Asimismo, analizaremos los resultados del comportamiento
multicanal.
2.1. Comportamiento multicanal y productos y servicios
Los canales se diferencian en el nivel de outputs de servicio que pueden poner a disposición
de los clientes y en la forma de ponerlos a su disposición. Además, cada consumidor percibe
que los diferentes canales puestos a su disposición por las empresas proporcionan diferentes
mezclas de outputs. Cada canal presenta unas fortalezas y unas debilidades en cuanto a
comodidad, contacto personal, asesoramiento, posibilidad de inspeccionar los productos,
posibilidad de comparación de productos y precios, seguridad, privacidad, control sobre el
proceso de compra, coste económico, esfuerzo personal, tiempo, medios de pago, diversión,
etc. (Akinci et al., 2004; Burke, 2002; Black et al., 2002; Kolodinsky et al., 2004; Lee y Tan,
2003; Patricio et al., 2003; Rajamma et al., 2007; Verhoef et al., 2007; Wan et al., 2004, entre
otros).
Estas capacidades y limitaciones restringen el rango y la intensidad de los bienes y servicios
que proporciona cada canal, influyendo en las necesidades que pueden ser o que prefieren ser
satisfechas en cada momento por cada canal (Girard, Silverblatt y Korgonkar, 2002;
Rajamma, Paswan y Ganesh, 2007; Peterson et al., 1997) y finalmente, en el volumen de
negocio que pueden generar (Coelho y Easingwood, 2004).
A pesar de la popularidad de Internet como fuente de información, este canal ha suscitado
dudas sobre si es adecuado para la venta de cualquier tipo de producto (Payda y Dholakia,
2005). Las últimas estadísticas relativas a la comportamiento online en España indican que los
productos más comprados por la web son billetes para medios de transporte, reservas de
alojamiento, ordenadores y componentes periféricos y entradas para espectáculos (AIMC,
2007). Es decir, más servicios que productos tangibles. En esta misma línea, Rajamma et al.
(2007) concluyen que para los consumidores existe mayor congruencia canal-producto entre
los servicios (viajes, reservas, servicios financieros, compra de entradas..) y el canal online y
entre los productos tangibles (alimentos, productos funcionales) y los establecimiento físicos.
No obstante, observan algunas excepciones. Los servicios como asesoramiento o temas
legales son percibidos como más congruentes con el canal físico que con el canal online y en
el caso de los productos electrónicos de entretenimiento ocurre lo contrario.
A fin de afinar un poco más en el tema, otros autores, han clasificado a los productos en
función de las características dominantes que los consumidores pueden investigar y de las que
pueden obtener información antes de comprar o de usar. Así, Gehrt y Yan (2004) descubren
6
que los consumidores para comprar productos de experiencia, como la ropa, en los que la
información sobre los atributos relevantes no puede ser conocida antes de la compra y en los
poder tocarlos o probarlos es importante antes de adquirirlos, prefieren hacerlo más en los
establecimientos y menos a través de catálogos o Internet. Mientras que en el caso de los
productos de búsqueda, en los que la calidad y el valor pueden ser determinados y evaluados
fácilmente antes de la compra, como un libro, ocurre lo contrario. Girard et al. (2002)
obtienen resultados similares para estas dos categorías de productos, y descubren que para los
productos en los que la información sobre los atributos relevantes no está disponible ni antes
ni después de adquirir o usar el productos la preferencia a adquirirlos por Internet es también
menor que en el caso de los productos de búsqueda.
No obstante, dentro de una misma categoría de producto, podemos encontrar productos con
características muy diversas. Nosotros, como se ha apuntado en la introducción, vamos a
centrar nuestro trabajo empírico en productos y servicios financieros, una categoría de
productos en la que la capacidad de contratación y gestión de los productos por parte de los
clientes y el nivel de implicación o riesgo percibido difiere de unos productos a otros
pudiendo afectar en estas decisiones.
En esta dirección se pronuncian Black et al. (2002), Patricio et al. (2003) y Akinci et al.
(2004). Según estos autores, cuando se trata de productos financieros de baja implicación
como consultas u operaciones básicas y rutinarias, los consumidores ven adecuados los
canales basados en tecnología; mientras que cuando se trata de productos más complejos,
productos de mayor implicación, como los préstamos o inversiones financieras, muestran una
mayor preferencia hacia el canal cara a cara. Martínez et al. (2007) descubren que el uso del
canal online está positivamente relacionado con la posesión de cuentas corrientes que cuentan
con tarjeta o talonarios de cheques, de tarjetas de crédito, de otros tipo de tarjetas, de un plan
de pensión privado, de valores, de fondos de inversión, de una hipoteca, de una segunda
hipoteca, de préstamos y de un descubierto vinculado a una cuenta corriente. Y está
negativamente relacionado con la posesión de un talonario de cheques y de un seguro de vida.
Por tanto,
Hipótesis 1: Los productos y servicios financieros con posibilidad de autogestión por
parte del cliente estará relacionados positivamente con un comportamiento multicanal.
Hipótesis 2: Los productos y servicios financieros de baja implicación estarán
relacionados positivamente con un comportamiento multicanal.
7
2.2. Comportamiento multicanal y resultados
Algunos trabajos parecen cuestionarse el valor de los compradores multicanal. El informe
anual Júpiter Consumer Surver “Redefining the Online Retail Consumer” realizado en marzo
del 2002 concluye que los compradores multicanal pueden ser una mayor carga que otros
compradores online por ser más dependientes del trato y más sensibles al precio, incluso más
propensos a cambiar a otros detallistas para conseguir ventajas en el trato. Además, este
estudio sugiere que el hecho de que los clientes compren más productos a través de los
diferentes canales que el detallista pone a su disposición no significa que sea más leal al
detallista que otros compradores. Thomas y Sullivan (2005) encuentran que no todas las
combinaciones están asociadas con mayores ventas que los canales únicos. Por ejemplo, los
usuarios de catálogos gastan más que los clientes que compran en los establecimientos y en
Internet.
Sin embargo, la estrategia multicanal y sus intentos por incentivar el uso de algunos canales
han sido vistos por algunas empresas como una oportunidad para ahorrar costes operativos.
Pero la gran mayoría de ellas, lo considera como una oportunidad para aumentar las ventas
ante la creencia de que los compradores multicanal son más valiosos y rentables que los
consumidores de un único canal.
Numerosos informes elaborados por consultorías avalan esta creencia. Según se pone de
manifiesto en ellos, los compradores multicanal son muy activos, compras más y gastan más
dinero que los compradores que utilizan un único canal (Júpiter Consumer Surver, 2002;
DoubleClik Inc, 2004). También la investigación académica lo hace. Ansari et al., (2003),
Kumar y Venkatesan (2005), Thomas y Sullivan (2005) y Venkatesan et al., (2007) descubren
que los compradores multicanal son significativamente más rentables que los compradores
unicanal. Por lo tanto:
Hipótesis 3: los clientes que tienen un comportamiento multicanal resultan más rentables a
la empresa.
3. Aplicación empírica
3.1. Base de datos
Para completar los objetivos de este trabajo, utilizamos la base de datos de clientes de una
entidad financiera que opera en España. El sector financiero fue el seleccionado en este caso
debido a varias razones. En primer lugar, el sector financiero ha sido uno de los primeros en
implantar nuevos canales y en promover de forma activa el uso de los canales por parte de los
8
clientes, por lo que los clientes tienen un alto grado de familiaridad con ellos. En segundo
lugar, las entidades financieras han realizado numerosos y continuos esfuerzos para gestionar
de forma eficiente a sus clientes a través de los diversos canales, por ello para ellas es
importante disponer de bases de datos totalmente integradas de las operaciones por ellos
realizadas. En tercer lugar, la naturaleza relacional de los vínculos de los clientes con las
entidades financieras hace que las oportunidades de interacción a través de distintos canales
sean mayores que en el caso de otros sectores.
De esta base de datos de clientes, se extrajeron de forma aleatoria los datos de 455 individuos
adscritos a distintas oficinas repartidas por todo el ámbito geográfico de actuación de la
entidad. Para cada individuo, se dispone de datos agregados, tanto de sus operaciones durante
el último año como de datos sobre evolución histórica, algunos datos sociodemográficos y
una medida agregada de vinculación basada en datos internos sobre rentabilidad del cliente y
vinculación con la entidad. Por último, se dispone de la información sobre la utilización de los
distintos canales puestos a disposición del cliente durante un año (septiembre 2005septiembre 2006) en las operaciones realizadas durante ese periodo.
A continuación pasamos a describir la operacionalización y los estadísticos descriptivos de las
variables que se han utilizado en el análisis del comportamiento multicanal. Primero se hace
alusión a las variables relativas a la consecución del primero de los objetivos del trabajo y
posteriormente a las del segundo.
3.2. Variables
Comportamiento multicanal
En la Tabla 1 se muestran los descriptivos de las variables relacionadas con la utilización de
canales y comportamiento multicanal. Como se puede observar, el número de operaciones
realizadas por los clientes en el último año es muy variable. Por término medio, los clientes
han realizado 104 operaciones a través de los cuatro canales puestos a su disposición por la
entidad financiera.
El canal con mayor porcentaje de operaciones medio son los cajeros, seguido de las oficinas.
El porcentaje de operaciones media realizadas en Internet es del 7%, mientras que el menos
utilizado es el de telebanca, con un número medio de 0,5 operaciones al año. Esta baja
utilización del canal de telebanca es consistente con los resultados de Patricio et al. (2003) o
Wan et al. (2005), en los que se muestra que el canal de banca telefónica se considera más un
canal complementario que se utiliza principalmente en ocasiones puntuales y de urgencia.
9
TABLA 1
Comportamiento multicanal
Variable
N
Mín.
Máx.
Media
Desv. típ.
Operatividad
Número de operaciones
455
2
703
104,17
71,81
Comportamiento
multicanal
% operaciones Oficinas
% operaciones Cajeros
% operaciones Internet
% operaciones Telebanca
Número de canales
Entropía
455
455
455
455
455
455
0
0
0
0
1
0
100
100
76
28
4
1,25
20,67
71,47
7,36
0,51
2,51
0,55
20,29
22,69
12,62
1,97
0,71
0,28
Para describir el comportamiento multicanal, una de las medidas barajadas por los autores es
el número de canales utilizados por el cliente (Kumar y Venkatesan 2005; Sousa y Voss,
2006). Como se muestra en la Tabla 1, en media, los clientes utilizan más de dos canales
distintos de los cuatro posibles como forma de relación con la entidad financiera (media 2,5).
Esta variable indica que el grado de utilización de un mix de canales es alto. Las
combinaciones de canales más utilizadas por los clientes son: oficinas-cajeros (51,87%),
oficinas-cajero-Internet (30,77%) y, en menor medida, la opción de los cuatro canales
(9,89%). Solo un 2,86% de los clientes han utilizado exclusivamente un canal, oficina o
cajero.
Sin embargo, esta medición de la variable presenta el problema de no tener en cuenta las
diversas gradaciones en este comportamiento. Por ejemplo, utilizando esta escala de medida,
un individuo que haya utilizado tres canales se describe como individuo con alto
comportamiento multicanal aunque pueda haber realizado el 98% de sus operaciones en un
canal y un 1% respectivamente en otros dos canales. Para solucionar este problema, algunos
autores han propuesto la utilización de umbrales mínimos de uso de un determinado canal
para considerar a un individuo como comprador multicanal. Ansari et al. (2003) al tratar de
explicar el comportamiento migratorio entre canales de los compradores, clasifican a los
clientes leales al canal catálogos o leales al canal internet si han hecho más del 95% de sus
compras en el canal y clasifican al resto como compradores multicanales. Easingwood y
Coelho (2003) plantean distintas heurísticas para clasificar a las empresas en organizaciones
con estrategia multicanal o no como tener ventas en más de un canal o tener ventas mayores a
distintos puntos de corte (5%, 10%, 15%...), seleccionando finalmente un punto de corte del
15%. Aplicando estos criterios a nuestro caso, un 89,67% de los clientes pueden ser
considerados multicanales según el criterio de Ansari et al. (2003) y un 58,90% según el
criterio de Easingwood y Coelho (2003).
10
Como acabamos de ver, estas heurísticas no permiten establecer un criterio válido que sea
contrastable independientemente del contexto y del juicio del investigador. En este trabajo,
proponemos como medida de comportamiento multicanal la medida de entropía. La entropía
es un concepto utilizado inicialmente en termodinámica, mecánica estadística y Teoría de la
información. En este último caso, la entropía está relacionada con la incertidumbre presente
en un determinado sistema y es una medida de la información que contiene una determinada
señal. Cuanto mayor es la cantidad de información, mayor es la entropía. Este concepto sin
embargo, ha sido utilizado en otros ámbitos como medida de la homogeneidad o dispersión de
un conjunto de datos. Por ejemplo, se ha utilizado para medir dispersión espacial (González y
González, 2000), variedad de surtido (Van Herpen y Pieters, 2002) o dispersión de
conversaciones en distintas localizaciones (Godes y Mayzlin, 2004).
Formalmente, la entropía se define como:
E=−
K
k =1
Donde
caso,
pk ln( pk )
pk
pk
(1)
define la proporción en la que aparece cada suceso k de los K posibles. En nuestro
es la proporción de operaciones realizada a través de cada tipo de canal.
La entropía aumenta cuando la proporción de los distintos sucesos es más uniforme y alcanza
su valor máximo cuando la proporción es la misma en todos los casos. En el caso de un
cliente que realice operaciones en un único canal, el valor de la entropía es el mínimo posible
(0). Por el contrario, la entropía alcanza su valor máximo (el logaritmo neperiano del número
de canales) cuando las operaciones se reparten en la misma proporción entre todos los canales
y, por tanto, el comportamiento multicanal del cliente es el máximo posible. El valor de la
entropía crece conforme las proporciones en los distintos canales se igualan, por lo que nos
permite tener una medida continua y creciente del grado en el que las operaciones de un
determinado cliente se reparten entre distintos canales.
Tal y como se muestra en la Tabla 1, el valor medio de la entropía es 0,55 con un máximo de
1,25 frente al 1,38 posible teóricamente. Realizado el test de Kolmogorov-Smirnov para la
distribución de esta variable observamos como el valor Z tiene una significatividad para la
distribución Normal de 0,437 aceptándose la hipótesis de que la distribución de la entropía es
una variable normal. Este resultado implica que el comportamiento multicanal no se
distribuye entre clientes mediante umbrales a partir de los cuales podemos formar grupos más
homogéneos sino que para describirlo de forma precisa es necesario tener en cuenta toda la
distribución.
11
Características de la cartera de productos de los clientes
La tabla 2 describe las diversas variables relacionadas con la cartera de productos de los
clientes y con la utilización de los servicios ofrecidos por la entidad. En concreto, las
variables son:
⋅ Posesión o no de productos de pasivo, como cuentas corrientes, cuentas de ahorro a plazo,
fondos de pensiones, fondos de inversión, letras del tesoro, valores, otros productos de
ahorro (cuentas viviendas, etc.), cuentas a la vista y a plazo diseñadas para gestionarse
únicamente on-line. Prácticamente todos los clientes poseen alguna cuenta corriente. El
22% aproximadamente posee fondos de inversión y un 19% otros productos de ahorro. Las
cuentas corrientes online tienen una penetración del 7,50% y del 2% las de ahorro online.
El número medio de productos de pasivo contratados por los clientes es 2,33.
TABLA 2
Productos y servicios
Productos de pasivo contratados
Productos de activo contratados
Servicios
Variable
N
Cuentas corrientes
Cuentas corrientes online
Cuentas de ahorro a plazo
Cuentas de ahorro a plazo online
Fondos de pensiones
Otros planes de ahorro
Fondos de inversión
Letras del tesoro
Valores
Préstamos con garantía
hipotecaria
Préstamos con garantía personal
Productos de aplazamiento de
pagos
455
455
455
455
455
455
455
455
455
%
contratado.
99,78
7,47
8,57
1,98
22,20
19,12
7,47
3,52
7,91
455
41,98
455
19,78
455
0,88
Número de tarjetas
Número de seguros
Número de transferencias
Número de recibos
Número de impuestos
Número de cheques ingresados
N
Mín.
Máx.
Media
Desv. típ.
455
455
455
455
455
455
0
0
0
0
0
0
6
1
32
95
6
6
1,60
0,43
1,07
20,62
0,19
0,13
0,80
0,50
2,41
16,50
0,74
0,54
12
⋅ Posesión o no de productos de activo, categorizados en préstamos con garantía hipotecaria,
préstamos con garantía personal y productos de aplazamiento de pago. Casi un 42% posee
algún préstamo hipotecario y un 20% alguno de garantía personal.
⋅ Servicios utilizados por el cliente. Por una parte, se ha considerado el número de tarjetas y
el número de seguros contratados. Por otra, el número de transferencias realizadas, el
número de cheques ingresados, el número de recibos pagados y el número de impuestos no
domiciliados pagados en el último trimestre del periodo de estudio. El número medio de
tarjetas poseídas por los clientes es 1,60, mientras que el de seguros contratados es 0,43.
Durante el último trimestre, los clientes realizaron una transferencia, pagaron casi 21
recibos y el resto de operaciones fue más ocasional.
Características socio-demográficas
La edad media de los clientes analizados es de 50 años y tienen una antigüedad media en la
entidad de 14 años. La mayoría de los clientes eran trabajadores por cuenta ajena o
estudiantes cuando comenzaron su relación con la entidad.
TABLA 3
Características socio-demográficas
Edad del cliente
Antigüedad como cliente
Actividad del cliente
Desempleo
Estudiante
Sus labores y pensionistas
Trabajador eventual
Trabajo fijo por cuenta ajena
Trabajo fijo por cuenta propia
(autónomo)
N
455
455
Mín.
21
0
Máx.
83
40
Frecuencia
13
52
17
36
303
Media
50,03
14,42
%
2,86
11,43
3,74
7,91
66,59
34
7,47
Desv. típ.
14,23
9,15
Vinculación del cliente con la entidad
En la base de datos únicamente se dispone información de esta variable de resultado. La
vinculación del cliente con la entidad es una medida de rentabilidad del cliente, establecida
por la entidad. Esta medida se expresa en puntos. La vinculación de los clientes analizados es,
por término medio, de 27 puntos y varía desde 0 puntos hasta 68.
13
3.3. Modelos empíricos
3.3.1. Modelo de regresión 1.
El primer objetivo del trabajo es describir los determinantes del comportamiento multicanal,
tratando de describir los factores que hacen que un mismo cliente utilice en mayor medida
varios canales diferentes para relacionarse con la entidad. En este caso, la variable
dependiente es la medida de entropía, una medida continua en el intervalo 0-1,38. Dado que la
variable dependiente es continua, el modelo utilizado en la estimación es una regresión
múltiple1.
En este caso el modelo a estimar es:
Ent i = α 1 + β1Cc + β 2 Cco + β 3 Pl + β 4 Plo + β 5 Fp + β 6 Oa + β 7 Fd + β 8 Lt + β 9Va + β 10 Pgh
+ β 11 Pgp + β 12 Ap + β 13Ta + β14 Se + β15Tr + β 16 Re + β 17 Im+ β 18 Ch
Donde:
Ent i : Entropía
α1 : constante
Cc: posee o no cuentas corrientes
Cco: posee o no cuentas corrientes online
Pl: posee o no cuentas de ahorro a plazo
Plo: posee o no cuentas de ahorro a plazo online
Fp: posee o no fondos de pensiones
Oa= posee o no otros planes de ahorro
Fd: posee o no fondos de inversión
Lt: posee o no letras del tesoro
Va: posee o no valores
Pgh: posee o no préstamos con garantía hipotecaria
Pgp: posee o no préstamos con garantía personal
Ap: posee o no productos de aplazamiento de pago
Ta: número de tarjetas
Se: número de seguros
Tr: número de transferencias realizadas
1
Como la variable dependiente tiene límites tanto superior como inferior, es posible plantearse la utilización de un modelo para variables
truncadas o censuradas como el modelo Tobit. Sin embargo, en este caso el truncamiento no surge de un defecto en la muestra o en la
forma de medición de la variable de interés, sino por la propia naturaleza del fenómeno a estudiar y, por tanto, estos modelos no son
aplicables. En cualquier caso, la estimación con el modelo Tobit proporciona resultados muy similares en este caso al del modelo de
regresión lineal.
14
Re: número de recibos pagados
Im: número de impuestos no domiciliados pagados
Ch: número de cheques ingresados
β n : Parámetros a estimar
3.3.2. Modelo de regresión 2
El segundo objetivo del trabajo, pretende analizar el impacto que tiene el comportamiento
multicanal en el valor del cliente. En este caso, la variable explicativa fundamental es la
medida de comportamiento multicanal utilizada (la entropía). Además, se utilizan otras
características de los clientes como variables de control. El modelo empírico que se utiliza en
este caso es una regresión lineal de la forma:
Vini = α1 + β1 Ent + β 2TP + β 6 Edad + β 7i Activi
Donde:
α1 : constante
Ent : Entropía
TP : Pasivo total
Edad : edad
Activi
: variables dummy que indican la actividad a la que se dedica el cliente
No obstante, asumir que los consumidores son homogéneos es un supuesto bastante
restrictivo en la estimación de modelos explicativos en marketing. Se pueden obtener
estimaciones sesgadas en los parámetros y, por lo tanto, dar una visión distorsionada de la
realidad y alcanzar conclusiones erróneas (Jedidi et al., 1997; Ansari et al., 2000; Wedel y
Kamakura, 2000; Kamakura, Kim y Lee, 1996). Por ello, en ambos casos, se tratará de de
controlar la heterogeneidad de la muestra mediante un análisis de regresión de clases latentes.
4. Resultados
4.1. Comportamiento multicanal
En la Tabla 4 se presentan los resultados de la estimación del modelo que explica el
comportamiento multicanal para el total de la muestra. Se observa que la entropía es mayor,
es decir, los individuos reparten más sus operaciones entre los diferentes canales que la
15
entidad pone a su disposición cuando tiene contratados productos cuya gestión se realiza
exclusivamente a través del canal Internet, cuando tienen contratados productos de
aplazamiento de pago y cuanto mayor es el número de transferencias realizadas.
Los índices de ajuste AIC y BIC obtenidos en el proceso iterativo de estimación del modelo
en el que se ha tratado de controlar la heterogeneidad de la muestra (tabla 5), nos muestran
que el modelo que presenta unos mejores valores de ajuste es el modelo final con la muestra
agrupada. En este caso, la mejora en el ajuste que se obtiene al permitir variaciones entre
segmentos no compensa el aumento en el número de parámetros en el modelo, por lo que
podemos concluir que no existen diferencias importantes en el comportamiento de los
segmentos en este caso. En cualquier caso, en la Tabla 4 se muestran a título ilustrativo los
parámetros estimados para el modelo con dos segmentos
Con respecto al modelo general, en definitiva, y como era de esperarse, el comportamiento
multicanal de los clientes viene determinado por la posesión o no de productos con los que
tiene mayor capacidad de gestionarlos, los productos de pasivo. Por esta misma razón,
prácticamente la posesión de los productos de activo no afecta significativamente a este
comportamiento multicanal. También el número de transferencias afecta significativamente a
la utilización de un número de canales mayor por lo que los clientes que realizan más
transferencias reparten sus operaciones en mayor medida.
4.2. Comportamiento multicanal y resultados
Por último, como se ha puesto de manifiesto en la parte conceptual del trabajo, podemos
esperar una influencia positiva entre el comportamiento multicanal del cliente y el resultado
obtenido por la empresa de la relación con dicho cliente. El modelo de la Tabla 6 pretende
comprobar la existencia de dicha relación. Para ello, la variable de vinculación utilizada como
proxy de resultados se explica por la entropía. Sin embargo, en el caso de una relación
positiva podemos pensar que hay otras covariables que inciden en dicha relación. Por este
motivo, incluimos estas covariables como variables de control. Como en el caso del modelo
anterior, para controlar la existencia de heterogeneidad se plantean los modelos con
segmentación latente. Observando los resultados, se comprueba como la entropía es la
variable más significativa y, por tanto, la de mayor capacidad para explicar la vinculación del
cliente con la entidad. Los clientes que realizan sus operaciones en distintos canales son los
que mayor vinculación tienen con la entidad y por lo tanto, los que resultan más rentables
para la entidad financiera. Observando los ajustes de los modelos que tratan de controlar la
heterogeneidad (Tabla 7) se observa cómo el modelo con dos segmentos es el que
16
proporciona un mejor ajuste (BIC). Los parámetros de este modelo con dos segmentos
confirman lo que se observa en el modelo general. En ambos casos, la entropía es la variable
más importante para explicar la vinculación, por lo que estos clientes son los que resultan más
rentables para la empresa.
TABLA 4
Determinantes del comportamiento multicanal
Cc
Cco
Pl
Plo
Fp
Oa
Fd
Lt
Va
Pgh
Pgp
Ap
Ta
Se
Tr
Re
Im
Ch
!
"#
$#
% &'
!
!
() *
!
!
!
!
TABLA 5
Ajustes de segmentación
+
(
(
(
(
!
!
!
!
!
!
!
17
TABLA 6
Resultados del comportamiento multicanal
Constante
Entropía uso de canales
Total pasivo
Edad
Desempleado
Estudiante
Fijo
Eventual
Autónomo
Pensionista o trabaja en el hogar
!
!
,
)
"#
$#
% &'
!
!
!
!
!
() *
!
!
!
TABLA 7
Ajustes de segmentación
+
(
(
(
(
!
!
!
!
!
!
!
5. Conclusiones e implicaciones
Con el desarrollo de nuevas tecnologías, uno de los cambios más drásticos que se ha
producido en los mercados ha sido el incremento de canales a partir de los cuales los clientes
pueden interactuar con las empresas, ya que éstas han abierto nuevas vías de comunicación y
distribución para sus productos. En este entorno de múltiples formas de interacción entre los
clientes y las empresas, es clave para el éxito de éstas saber gestionar adecuadamente al
cliente que utiliza o demanda múltiples canales en su relación con una determinada
18
organización, el llamado cliente multicanal, para lo cual es preciso conocer en profundidad su
comportamiento de forma que el proceso de adquisición y retención de dichos clientes sea
más efectivo.
En este trabajo se ha analizado fundamentalmente el papel que juegan la posesión de
productos y la utilización de servicios financieros en la explicación del comportamiento
multicanal y cómo influye este comportamiento multicanal en el valor del cliente para la
empresa.
Los resultados del trabajo muestran que prácticamente todos los clientes del banco (97%)
manifiestan un comportamiento multicanal. Oficinas y cajeros es utilizado por casi un 52% de
ellos y aproximadamente otro tercio añade a esta combinación el canal online. Sin embargo,
el valor de la entropía es bajo. Es decir, que pese a utilizar diferentes canales para llevar a
cabo sus gestiones, los clientes realizan más operaciones en uno de ellos, normalmente en el
cajero, que en el otro o en los otros. Los porcentajes de utilización de cada uno de los canales
así lo constatan.
Asimismo, se descubre que el canal online es aún poco utilizado por los clientes de la entidad
bancaria para realizar gestiones. A pesar de que las entidades financieras se han caracterizado
por incorporar con rapidez las tecnologías de la información, parece que todavía no ha pasado
el tiempo suficiente para que determinados sectores de la población estén completamente
familiarizados con las nuevas tecnologías y se pierda el miedo a realizar transacciones a
través de él. No obstante, parece que vamos por buen camino. Si comparamos los datos
mostrados por la encuesta AIMC en los últimos cinco años (2001-2006), se observa una
disminución del porcentaje de personas en España que no hacen operaciones bancarias a
través de la red, pasando de un 49% a un 35%; una estabilización del porcentaje de personas
que realizan sólo consultas, que se sitúa en un 25%; y un aumento en el porcentaje de
personas que además de consultas realizan transacciones, pasando del 25% al 36%. En estos
años, también se observa un aumento en el nivel de seguridad percibido a la hora de realizar
transacciones bancarias. Si en 2001, el 47,4% de los encuestados consideró que la seguridad
de las transacciones bancarias es bastante o mucha, en 2006 el porcentaje se sitúa casi en un
64%. Además, y como ocurre con otros canales, hay que tener en cuenta las limitaciones
operacionales impuestas por las entidades financieras a la hora de operar en la red. No
obstante, parece que le ha ganado la partida a la telebanca, este canal ha resultado ser menos
utilizado.
La estimación del modelo de comportamiento multicanal no ha permitido identificar
segmentos de clientes diferenciados. Se descubre que los individuos reparten más sus
19
operaciones entre los diferentes canales que la entidad pone a su disposición cuando tiene
contratados productos cuya gestión se realiza exclusivamente a través del canal Internet,
cuando tienen contratados productos de aplazamiento de pago y cuanto mayor es el número
de transferencias realizadas.
Por otro lado, se ha confirmado que los clientes que realizan sus operaciones en distintos
canales son los que mayor vinculación tienen con la entidad y por lo tanto, los que resultan
más rentables para la entidad financiera.
Basándonos en estos resultados obtenidos, varias son las sugerencias que se podría realizar a
la entidad financiera relacionadas con su estrategia comercial.
Dado el comportamiento multicanal de los clientes, y en un intento de buscar la eficiencia
pero también el reforzamiento de la relaciones del cliente con la entidad y garantizarles un
excelente servicio, en primer lugar, debería continuar animando a los clientes para que sean
ellos los que gestionen sus finanzas a través de los diversos canales de autoservicio.
⋅ Aumentando su funcionalidad, de forma, y siempre que sea posible por las características
inherentes al canal, el cliente pueda realizar el 100% de la operativa que le ofrece la
entidad financiera a través de los diferentes canales. Por ejemplo, permitiendo la
contratación de créditos al instante o hipotecarios, la gestión de cuentas a plazo o planes de
pensiones o fondos de inversión o la contratación de tarjetas de débito y créditos en todos
ellos.
⋅ Incorporando más prestaciones de valor añadido, como la posibilidad de realizar pagos o
devoluciones de recibos, la aceptación de cheques, la reserva de cualquier curso o taller
organizado por el entidad o la venta de abonos para el transporte en el caso de los cajeros.
⋅ En el caso del canal online, mejorando la usuabilidad del sitio web y creando interfaces
más amigables y con opciones de personalización por los clientes.
⋅ Mejorando la seguridad. Aunque las entidades están continuamente realizando esfuerzos
en este sentido y así es percibido por los clientes, gracias a la biometría, podría eliminar la
necesidad de memorizar contraseñas por parte de los clientes o la necesidad de utilizar
tarjetas para operar con ellos.
⋅ Diseñando una estrategia de comunicación, en la que por diferentes medios, se explique a
los clientes las ventajas, la facilidad de uso de algunos canales o su seguridad. Las acciones
comerciales en las que se traduzca dicha estrategia deberían personalizarse a las
necesidades de los distintos segmentos. Además, en todos los casos debería utilizarse un
lenguaje comprensible.
20
En segundo lugar, y pese a los nuevos canales emergentes, los clientes no han abandonado las
oficinas bancarias. Y en los próximos años, las redes de distribución física seguirán siendo
fundamentales como medio de captación de clientes y como el procedimiento principal de
venderles productos de alto valor añadido. Pero también convendría que las oficinas bancarias
comenzasen un proceso de transformación, para pasar de ser un centro de asesoramiento y
transacciones a convertirse en un centro de servicio. Incluso, pasar a convertirse en un centro
en el que se organicen actividades de muy diversa naturaleza, a fin de aportar al cliente más
valor en la relación que mantienen con la entidad financiera.
Finalmente, y en cuanto a la gestión de la relación con el cliente multicanal, será
imprescindible hacer esfuerzos por alcanzar mayores niveles de inteligencia comercial con la
información recopilada de cada uno de los clientes a través de los diversos canales por éste
utilizados. Además, será imprescindible evitar cualquier inconsistencia que se pudiera
producir en la información puesta a disposición de los clientes.
21
Referencias bibliográficas
AIMC. 9ª Encuesta AIMC a usuarios de Internet. Available at: www.aimc.es
AIMC. 4ª Encuesta AIMC a usuarios de Internet. Available at: www.aimc.es
Akinci S, Aksoy S, Atilgan E. Adopion of internet banking among sophisticated consumer segments in an
advanced developing country. International Journal of Bank Marketing 2004; 22 (3): 212-32.
Ansari A, Mela C, Neslin S. Customer channel migration. Working paper, Teradata Center, Duke University,
Paper Series nº 13, 2003.
Black N, Lockett A, Ennew C, Winklhofer H., Mckechnie S. Modelling consumer choice of distribution
channels: an illustration from financial services. International Journal of Bank Marketing 2002; 20 (4): 161-73.
Boehm M, Gensler S. Modeling the channel choice behavior of banking customer. Proceeding of the 35th
EMAC Conference. Athens. 2006
Burke RR. Technology and the customer Interface: what consumers want in the physical and virtual store.
Journal of the Academy of Marketing Science 2002; 30: 411-32.
Coelho F.J, Easingwood C. Multiple channel systems in services: pros, cons and issues. The Service Industries
Journal 2004; 24 (5): 1-29.
Dholakia RR, Zhao M, Dholakia N. Multichannel retailing: a case study of early experiences. Journal of
Interactive Marketing 2005; 19(2): 63-74.
DoubleClik Inc. Multi-channel shopping study-Holiday 2003. Available at: www.doubleclick.net.
Easingwood C, Coelho F. Single versus multiple channel strategies: typologies and drives. Service Industries
Journal 2003; 23(2): 31-46.
Frazier GL. Organizing and managing channel of distribution. Journal of the Academy of Marketing Science
1999; 27(2): 226-40.
Gehrt CK, Yan RN. Situational, consumer, and retailer factors affecting Internet, catalog, and store shopping.
International Journal of Retail & Distribution Management 2004; 32(1): 5-18.
Girard T, Silverblatt R, Korgonkar, P. Influence of product class on preference for shopping on the Internet.
Journal of computer-Mediated Communication 2002; 8(1). Available at http://jcmc.indiana.edu/.
Godes D, Mayzlin D. Using online conversations to study word-of-mouth communication. Marketing Science
2004; 23(4): 545-60.
González O, González J. Estrategia de cobertura espacial del mercado español de las cadenas líderes de
hipermercados. Información Comercial Española 2000; 789: 139-51.
Jedidi K, Jagpal HS, DeSarbo, WS. Finite mixture structural equation models for response-based segmentation
and unobserved heterogeneity. Marketing Science 1997; 16(1): 39-59.
Jupiter Consumer Surver. Redefining the online retail consumer. 2002. Available at: www.marketresearch.com.
Kamakura WA, Russell G. A probabilistic choice model for market segmentation and elasticity structure Journal
of Marketing Research 1989; 26(4): 379-90.
Karjaluoto H, Pento MM. Factors underlying attitude formation toward online banking in Finland. International
Journal of Bank Marketing 2002; 20 (6): 261-72.
Kolodinsky JM, Hogarth JM, Hilgert MA. The adoption of electronic banking technologies by US consumers.
International Journal of Bank Marketing 2004; 22(4): 238-59.
Kumar V, Venkatesan R. Who are the multichannel shoppers and how do they perform?: correlates of
multichannel shopping behaviour. Journal of Interactive Marketing 2005; 19 (2): 44-60.
Lee KS, Tan S J. E-retailing versus physical retailing. A theorical model and empirical test of consumer choice.
Journal of Business Research 2003; 56(11): 877-85.
Martínez M, Ortega JM, Román MV. Application of the latent class regresión methodology to the analysis of
Internet use for banking transaction in the European Union. Journal of Business Research 2007; 60(2): 137-45.
22
Meuter ML, Bitner MJ, Ostrom AL, Brow SW. Choosing among alternative service delivery modes: an
investigation of customer trial of self-service technologies. Journal of Marketing 2005; 69(April): 61-83.
Montoya-Weiss MM, Voss GB, Grewal D. Determinants of online channel use and overall satisfaction with a
relational multichannel service provider. Journal of the Academy of Marketing Science 2003; 31(4): 448-58.
Nickolson M, Clarke I, Blakemare M. One brand, three ways to shop: situational variables and multichannel
consumer behaviour. International Review of Retail, Distribution and Consumer Research 2002; 12(2): 131-48.
Pandya A.M, Dholakia N. B2C failures: toward an innovation theory framework. Journal of Electronic
Commerce in Organizations 2005; 3(2): 68-81
Patricio L, Fisk RP, Falcao E, Cunha J. Improving satisfaction with bank service offerings: measuring the
contribution of each delivery channel. Managing Service Quality 2003; 13(6):471-82.
Peterson RA, Balasubramanian S, Bronnenberg BJ. Exploring the implications of the Internet for consumer
marketing. Journal of Marketing Science 1997; 25; 329-46.
Rajamma, RK, Paswan, AK y Ganesh, G. Services purchased at brick and mortar versus inline stores, and
shopping motivation. Journal of Services Marketing 2007; 21(3): 200-212.
Rangaswamy A, Van Bruggen GH. Opportunities and challenges in multichannel marketing: an introduction to
the special issues. Journal of Interactive Marketing 2005; 19(2): 5-11.
Reda S. Active multi-channel shoppers may be a liability, less loyal than other on-line shoppers. 2002. Available
at: www.stores.org.
Schoenbachler DD, Gordon GL. Multi-channel shopping understanding what drives channel choice. Journal of
Consumer Marketing 2002; 19(1): 42-53.
Soopramanie DG, Robertson A. Adoption and usage of online shopping: an empirical analysis of the
characteristics of buyers and non-internet shoppers. Journal of Retailing and Consumer Research 2007; 14 (1):
73-82.
Sousa R, Voss ChA. Service quality in multichannel services employing virtual channels. Journal of Service
Research 2006; 8(4): 356-71
Thomas JS, Sullivan UY. Investigating best customer in a multi-channel setting. Working paper, Medill Scholl,
Northwestern University, Evanston, 2005.
Van Herpen E, Pieters R. The variety o fan assortment: an extensión to the attribute-based approach. Marketing
Science 2004; 21(3): 331-41.
Venkatesan R, Kumar V, Ravishanker N. Multichannel shopping: causes and consequences. Journal of
Marketing 2007; 71(April): 114-32.
Verhoef PC, Neslin SA, Vroomen B. Multi-channel customer management: understanding the research-shopper
phenomenon. Working paper, University of Groningen, the Netherlands, 2005.
Wan WW, Luk ChL, Chow Ch. WC. Customer’s adoption of banking channels in Hong Kong. International
Journal of Bank Marketing 2005; 23 (3):255-72.
Wedel M, Kamakura W. Market segmentation, conceptual and methodological foundations. Boston: Kluwer
Academia Publishers 2000.
23